tag 人工智能

標籤
貢獻930
1082
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 xingxingshangdeliushu 頭像 u_17579295 頭像 rtedevcomm 頭像 u_15591470 頭像 lab4ai 頭像 u_17512334 頭像 tecdat 頭像 qingfouai 頭像

@人工智能 / 博客 RSS 訂閱

u_16099178 頭像

雲端小悟空 - lda主題分析確定主題數量 lda主題分析用什麼 軟件

前言 gamma函數 0 整體把握LDA 1gamma函數 beta分佈 1 beta分佈 2Beta-Binomial 共軛 3 共軛先驗分佈 4 從beta分佈推廣到Dirichlet 分佈 Dirichlet 分佈

機器學習 , lda主題分析確定主題數量 , 主題模型 , 二項分佈 , 人工智能 , 概率分佈

收藏 評論

u_16349720 頭像

短短同學 - 大模型的秘密:從三元一次方程組到KV Cache

大模型的秘密：從三元一次方程組到 KV Cache 當我們驚歎於大模型生成流暢文本、解答覆雜問題的能力時，其底層核心並非不可捉摸的 “黑魔法”，而是從基礎數學逐步構建的精密系統。從初中數學的三元一次方程組，到 Transformer 架構中的 KV Cache 優化，這條技術脈絡清晰展現了 “簡單原理→複雜擴展→效率突破” 的進化路徑。本文將拆解這一過程，揭開大模型高效運行

方程組 , 線性變換 , 緩存 , 人工智能 , 深度學習

收藏 評論

u_17607960 頭像

wx694bc8b9eaf99 - 《從邏輯混戰到精準控：我在 Coze 平台打磨 Prompt 優化的萬字心得》

一、 序言：為什麼 Coze 是 Prompt 優化的練兵場？ 這兩天深度體驗了字節跳動旗下的 Coze（釦子）平台。作為一個零代碼/低代碼的 AI 構建工具，它最迷人的地方不在於它集成了多少插件，而在於它提供了一個極其透明的“反饋迴路”。 在 Coze 上創建智能體，本質上是在做一場**“精確溝通”**的實驗。如果你給出的提示詞（Prompt）模糊不清，即便有最強大的 L

人工智能 , 深度學習 , 約束條件 , 開發者 , 結構化

收藏 評論

u_6478076 頭像

郭傳志的博客 - 多模態智能體

項目介紹 需求數據拆解 數據收集智能體 研究員智能體 本文包含：-->

多模態智能體 , 人工智能 , 深度學習

收藏 評論

u_13539 頭像

jowvid - 瀏覽器內置pem

認識web 認識網頁 瀏覽器 web標準 認識網頁 網頁主要是由文字，圖片和超鏈接等元素構成。除了這些元素，網頁中還可以包含音頻，視頻以及Flash等。 瀏覽器 什麼是瀏覽器？ 瀏覽器是網頁顯示，運行的平台，常用的瀏覽器有IE，火狐瀏覽器（Firefox），谷歌瀏覽器（Ch

機器學習 , 瀏覽器內核 , 谷歌瀏覽器 , Web標準 , 人工智能 , 瀏覽器內置pem

收藏 評論

u_13317 頭像

liutao988 - scratch 軟件可以擴展機器學習模塊嗎

我們可能經常需要觀察變量值的變化。例如，某段腳本的運行結果與你所想不一致時，你可能想跟蹤某些變量值是否正確。變量值顯示器便能完成這項任務。選中變量名積木前的複選框即可顯示或隱藏變量值顯示器，如下圖示。 你還可以在腳本中使用積木進行控制。如下圖示 變量值顯示器可作為讀數或者控件之用。換言之，它可以顯示或者控制變量的值。雙擊舞台中

機器學習 , 變量名 , 人工智能 , 滑塊 , 局部變量

收藏 評論

liudamao 頭像

劉大貓 - JavaScript入門及基礎知識介紹

@[toc] JavaScript大綱 1.概述 JavaScript是一門世界上最流行的腳本語言 ==一個合格的後端人員，必須要精通JavaScript== 2.歷史 https://blog.csdn.net/kese7952/article/details/79357868 ECMAScript它可以理解為是JavaScript的一個標準 最新版本已經到ES6，但是

數據類型 , 算法 , 人工智能 , JAVA , Javascript

收藏 評論

u_14499 頭像

coolfengsy - mybatis plus怎麼使用PreparedStatement

目錄 wrapper介紹： CURD接口 Mapper CRUD接口 Service CURD接口 構造器方法 常用方法 修改指定值 查找不為空 查詢為某列為空或等於某值/查詢A列等於某值或B列等於某值 根據時間區間查詢 and or

機器學習 , User , List , 區間查詢 , 人工智能

收藏 評論

tssc 頭像

天生帥才 - GPT-5.2與Gemini 3.0終極抉擇：誰更適配你的需求？

通用人工智能的浪潮正以席捲之勢重塑科技格局，在這場白熱化的迭代競賽中，OpenAI推出的GPT-5.2與谷歌打造的Gemini 3.0無疑是當下最耀眼的兩顆明星。前者帶着“代碼紅色”的緊迫感加速而來，後者則以深耕多模態與編程智能體的姿態強勢應戰。當“更強的推理能力”與“更優的性價比”正面碰撞，“全場景覆蓋”與“垂直領域專精”各顯神通，用户該如何在這兩款旗艦級多模態大模型中做出最適合自己的選擇？答案

人工智能

收藏 評論

u_16213559 頭像

時光機3號 - Agisoft Metashape Professional生成DEM選哪個座標系

目錄 一、作業點評 二、作業答案 1、HalfLambert代碼 2、SSSLut 三、作業批改 01批改一 02批改2 三、情報·預積分皮膚 四、情報·TA專業向一、作業點評 純色hello word和Lambert代碼都沒有問題 右下角用了菲涅爾邊緣光

機器學習 , unity , 光照模型 , 人工智能 , 貼圖 , 技術美術 , 圖形渲染

收藏 評論

u_16213669 頭像

mob64ca140ce312 - 機器學習必知必會：凸優化

本文包含：--> --> 本文章為轉載內容，我們尊重原作者對文章享有的著作權。如有內容錯誤或侵權問題，歡迎原作者聯繫我們進行內容更正或刪除文章。

連線 , 人工智能 , 深度學習 , 圖像理解

收藏 評論

u_16213588 頭像

mob64ca13f96cda - 雙向泵浦源EDFA特性實驗研究optisystem

一、工作原理 目前風機盤管電機普遍採用單相運轉異步電動機，且有高、中、低等多檔調速，調速方法為副相抽頭的L型調速。電機的極數為四、六極，接線電器原理圖如下： 圖中的M代表主相繞組，A代表付相繞組，且副相由a1、a2、a3三層調速繞組串連而成，用以實現電機繞組帶負載時的三檔調速。 二、接線錯誤導

機器學習 , 原理圖 , 人工智能 , 雙水泵輪換工作原理圖 , 工作原理

收藏 評論

u_16099249 頭像

雲端築夢大師 - 麥克納姆輪小車強化學習訓練

從零搭建麥輪小車 繪製3D模型（Solidworks建模） 全圖 部件圖 電機 共軸器 麥克納姆輪 實物圖 硬件電路搭建 驅動器 選用的是BLDC300W24V直流無刷控制器，有霍爾版本。通過PWM佔空比控制速度 接線示意圖 驅

sed , 機器學習 , github , 麥克納姆輪小車強化學習訓練 , 上升沿 , 人工智能

收藏 評論

qcloudcommunity 頭像

騰訊雲開發者 - 數據與 AI 雙向奔赴，騰訊雲架構師技術沙龍精彩回顧

引言 在 AI 落地過程中，開發者和企業面臨的核心瓶頸是數據。能否獲取高質量數據、高效處理數據、有效使用數據成為企業智能化發展的關鍵基石。無數據，不智能。那麼在具體實踐上，企業如何實現數據與 AI 的雙向賦能？ 11 月 9 日，由騰訊雲架構師技術同盟和騰訊雲 TVP 聯合主辦的「騰訊雲架構師技術沙龍——無數據不 AI」在成都成功舉辦。活動聚焦數據與 AI 技術融合的真實挑戰與前沿實踐，邀請多位

數據 , 人工智能

收藏 評論

teayear 頭像

學技術贏未來 - python for循環

Python從入門到精通之for循環（500字簡介） for循環是Python中最核心的迭代控制結構，也是新手從入門邁向進階的關鍵語法，它以簡潔、靈活的特性適配各類遍歷場景，是處理序列、集合、迭代器等數據的核心工具。 與其他語言不同，Python的for循環基於“可迭代對象”設計，而非傳統的計數器模式，語法格式為for 變量 in 可迭代對象: 執行代碼，無需手動管理循環邊界，大

人工智能 , 深度學習 , 迭代 , for循環 , Python

收藏 評論

deephub 頭像

deephub - Pandas字符串操作的各種方法速度測試

由於LLM的發展， 很多的數據集都是以DF的形式發佈的，所以通過Pandas操作字符串的要求變得越來越高了，所以本文將對字符串操作方法進行基準測試，看看它們是如何影響pandas的性能的。因為一旦Pandas在處理數據時超過一定限制，它們的行為就會很奇怪。 我們用Faker創建了一個100,000行的測試數據。 測試方法 安裝： !pip install faker 生成測試數據的方法很簡答：

機器學習 , 人工智能 , pandas , Python

收藏 評論

openbayescom 頭像

OpenBayes - VibeVoice-Realtime TTS重構實時語音體驗；覆蓋9大真實場景，WenetSpeech-Chuan讓模型聽懂川話

公共資源速遞 5 個公共數據集： VOccl3D 三維人體遮擋視頻數據集 Spatial-SSRL-81k 空間感知自監督數據集 WenetSpeech-Chuan 川渝方言語音數據集 MMSVGBench 多模態矢量圖生成基準數據集 Fungi MultiClass Microscopic 真菌顯微圖像數據集 6 個公共教程： 基於手勢識別的 3D 聖誕樹 Dia2-TTS：

機器學習 , 算法 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2026年中國消費零售行業新圖景報告：消費者行為、品牌增長與AI應用|附540+份報告PDF、數據、可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44449 原文出處：拓端抖音號@拓端tecdat 引言 2025年消費零售行業正站在“變革與機遇”的交叉點——一邊是AI技術深度滲透品牌情緒洞察、數字化重塑消費體驗，一邊是消費者在經濟波動中呈現“理性謹慎與品質追求並存”的矛盾心態：既會因價格上漲選擇“消費平替”或縮減開支，又願為健康、安全等核心需求支付溢價，Z世代更以“快樂消費”的獨特

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_16099248 頭像

mob6454cc6d3e23 - Freemarker引擎模板與Velocity引擎模板

Tiny模板引擎 是一個基於Java技術構建的模板引擎，它具有體量小、性能高和擴展易的特點。 適合於所有通過文本模板生成文本類型內容的場景，如：XML、源文件、HTML等等，可以説，它的出現就是為了替換Velocity模板引擎而來，因此在指令集上在儘量與Velocity接近的同時，又擴展了一些Velocity不能很好解決問題的指令與功能，在表達多方面則儘量與java保持一致，所以

機器學習 , 高內聚 , 模板引擎 , 人工智能 , ci

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 《變分法導論：圖像處理中的應用》

書籍：An Introduction to Variational Calculus: Applications in Image Processing 作者：Hebert Montegranario 出版：Springer​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《變分法導論：圖像處理中的應用》 01 書籍介紹 本書系統介紹了變分法與反問題的正則化

圖像處理 , 人工智能

收藏 評論

u_17562481 頭像

思考的袋鼠 - 2025年數據分類分級產品選型排名與深度解析：可視化、自適應、一鍵部署成關鍵能力

在新一輪數字化治理要求持續強化的背景下，《數據安全法》《個人信息保護法》以及最新的《數據安全技術 數據分類分級規則（2024）》共同推動數據分類分級從“建議性建設”邁入“強制性治理能力”。面對企業數據規模指數增長與監管壓力持續加大，具有可視化與易用性、自適應分類、一鍵化部署等特徵的智能化數據分類分級產品，正成為企業構建數據安全體系的基礎性設施。 根據 IDC《2024年度中國數據

數據 , 數據安全 , 人工智能 , 深度學習 , 結構化

收藏 評論

openbayescom 頭像

OpenBayes - 教程上新丨美團開源視頻生成模型LongCat-Video，兼具文生視頻/圖生視頻/視頻續寫三大能力，媲美開閉源頂尖模型

世界模型旨在理解、模擬與預測複雜的現實世界環境，是人工智能在真實場景中實現有效應用的重要基礎。在這一框架中，視頻生成模型通過其生成過程，逐步壓縮並學習幾何、語義、物理等多種知識形態，因而被視為構建世界模型的一條關鍵路徑，並有望最終實現對真實物理世界動態的有效模擬與預測。 而在視頻生成領域，實現高效的長視頻生成能力尤為重要。 基於此，美團開源了最新視頻生成模型 LongCat-Video，該模型旨在

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

xjsunjie 頭像

xjsunjie - AI原生智算雲：不止是算力池，更是智能時代的“數字基建引擎”——讓每個企業都能“開箱即用”AI生產力

引言：從“算力飢渴”到“範式革命” 我們正身處一個由大型語言模型（LLM）和生成式AI引爆的智能奇點。從ChatGPT的驚豔問世到Sora的顛覆想象，AI不再是實驗室裏的遙遠概念，而是正以前所未有的速度流向到千行百業的毛細血管中。然而，在這場波瀾壯闊的智能化浪潮之下，一個巨大的挑戰浮出水面——“算力飢渴”。模型參數的指數級增長，對算力的需求近乎貪婪，使得GPU“一卡難求”，

數據 , 人工智能 , 基礎設施 , 數據分析 , 開發者

收藏 評論

huobaodeshanghen_ya4gw 頭像

火爆的傷痕_Ya4Gw - 手機智能體：讓手機自己“動手”幹活

手機智能體：讓手機自己“動手”幹活 在數字化時代，手機已成為我們生活和工作中不可或缺的工具。然而，頻繁的重複操作不僅耗時耗力，還容易出錯。有沒有一種方法，能讓手機像智能助理一樣，自動完成各種任務？答案是肯定的——這就是手機智能體技術的魅力所在。 什麼是手機智能體？ 手機智能體是一種基於人工智能技術的自動化工具，它能夠理解用户的指令，並模擬真人操作手機。以訪答的第三方插件AutoGLM手機智能助理為

教程 , 人工智能 , 知識庫

收藏 評論